引言

数理统计笔记的第10篇介绍了回归分析，从相关关系开始介绍，然后介绍回归分析，主要介绍了一元回归模型和多元回归模型，并对其中的原理和检验进行了叙述，最后简单介绍了一下可以化为线性回归模型的非线性回归模型。

变量间的相关关系

相关系数的计算

相关系数的显著性检验

回归分析

1.一元回归模型原理

最小二乘法

回归模型

判定系数$r^2$

判定系数反映回归直线的拟合程度。不能说明是否具有很好的线性关系，要看是否具有线性关系需要用到下面的显著性检验的方法。

估计标准误差

实际观察值在回归直线周围的分散程度。除以$n-2$是因为SSE的自由度是$n-2$。

线性关系显著性检验

检验的是线性关系是否显著。使用的是F检验量。

回归系数的显著性检验

检验的是是否具有线性关系。使用的是t检验量。

回归方程估计和预测

点估计

平均值点估计

个别值点估计

区间估计

平均值置信区间估计

个别值预测区间估计

影响区间宽度的因素

残差分析

例子

2.多元线性回归

最小二乘法

多重判定系数$R^2$

需要进行修正。

线性关系显著性检验

回归系数显著性检验

例子

3.非线性回归

可化为线性回归的非线性回归

例子